扫描记录
11月18日已载入 40 条
- 在基于评分量表的环境中验证智能体
论文arXiv你刚才看的这条
- SkillBuffBench:衡量 Agent Skills 在不同 Harness、模型、技能访问模式与记忆下的贡献
论文arXiv
- 哥伦比亚与Meta合作计划涵盖负责任AI及反诈骗
新闻MINTIC ColombiaAI 动态
- Offsec Harness Index:AI 渗透工具遭攻击者实际滥用的证据索引
新闻offsecharnesses.ai事件
- 从 TeleChat 到 Xing4:在国产芯片与框架上推进前沿智能体模型
论文Hugging Face Daily Papers
- 作者称AI评测中说服力超人类,现实政治说服无证据
新闻LessWrong观点
- 帕丽斯·希尔顿重返美国国会,推动众议院表决深度伪造色情法案
新闻CBS News · Technology治理
- FT 设问:AI 理财建议是否可信
新闻Financial Times · 人工智能观点
- Gallup调查:16国超三分之一Z世代用AI获得陪伴
新闻WIRED Security and AIAI 动态
- 新加坡卫生部谈医疗AI监督及社区试验
新闻Ministry of Health治理
- AI 监管中的诚实经纪人:公众意见如何向监管者引入证据
论文arXiv:AI 治理与政策
- GuardAgent:一种用于自适应检测基于 LLM 的推荐系统中对抗性推广的记忆增强智能体框架
论文arXiv:其他 AI 安全论文
- ARC-2:通过 Delta Management 实现持续合规
论文arXiv:其他 AI 安全论文
- AI 开发中的伦理压制:竞争压力下负责任 AI 的比较案例研究
论文arXiv:其他 AI 安全论文
- 读取场景状态:揭示视觉语言模型的安全失效
论文arXiv:其他 AI 安全论文
- Agent Trust Infrastructure(ATI):面向跨组织自主智能体的联邦身份、信任、证明与问责架构
论文arXiv:其他 AI 安全论文
- 隐藏状态相似性预测接种提示后被抑制行为的再度诱发
论文arXiv:其他 AI 安全论文
- SEAM:计算机使用智能体知道屏幕之间的危害,却仍然实施
论文arXiv:其他 AI 安全论文
- 谁为拜占庭鲁棒性买单?少数医院协作下的有效性、数据份额独裁与公平性
论文arXiv:其他 AI 安全论文
- 停止并非极限:理解与激发智能体在长程漏洞利用中的能力
论文arXiv:其他 AI 安全论文
- 反对强制:作为合成社会契约的 AI 对齐
论文arXiv:其他 AI 安全论文
- 针对 LLM 控制社交机器人的网络暴露配置攻击
论文arXiv:其他 AI 安全论文
- RefCloth:面向视觉-语言-动作模型的可迁移对抗桌布
论文arXiv:其他 AI 安全论文
- 诊断正确,路径不安全:审计临床AI决策轨迹与纠正性监督的有效性和潜在危害
论文arXiv:其他 AI 安全论文
- 以梯度提议,以损失接受:一种面向像素稀疏鲁棒性的对冲攻击
论文arXiv:其他 AI 安全论文
- 自适应 LLM 驱动蜜罐对抗 LLM 驱动攻击者:叙事连贯性能否提升欺骗效果?
论文arXiv:其他 AI 安全论文
- Evolution Under Fire:以自适应注入压力演化智能体安全护栏
论文arXiv:其他 AI 安全论文
- 让分歧浮现胜过消解分歧:多智能体辩论中溯源加权记忆的门控消融研究
论文arXiv:其他 AI 安全论文
- 随着学生模型 rollout 持续,视觉后门不断增长
论文arXiv:其他 AI 安全论文
- 厨房里的坏苹果:LLM 团队如何检测、纠正并校准以应对队伍中的未对齐成员
论文arXiv:其他 AI 安全论文
- 披着权威外衣:利用视觉信任偏差对 MLLM 的实用黑盒越狱
论文arXiv:其他 AI 安全论文
- ConfGuard:面向预测性维护 LLM 智能体的基于物理规律的参考监控器
论文arXiv:其他 AI 安全论文
- DACE:面向鲁棒 LLM 安全对齐的多样性驱动对抗协同进化
论文arXiv:其他 AI 安全论文
- 从 Token 变化到任务失败:共享 KV 缓存块中的比特翻转
论文arXiv:其他 AI 安全论文
- GapLeak:当隐私保护的 LLM 网页智能体成为隐私风险
论文arXiv:其他 AI 安全论文
- EGS:面向教育 LLM 的补充性安全框架
论文arXiv:其他 AI 安全论文
- 4-bit 量化对聊天模型的安全行为不止是噪声吗?以匹配扰动归因行为变化
论文arXiv:其他 AI 安全论文
- 你能撤销吗?AI 智能体操作的可逆性分级
论文arXiv:其他 AI 安全论文
- MedGuardBench:面向患者的个性化护栏开发基准
论文arXiv:其他 AI 安全论文
- WebAgents:面向智能体原生 Web 拆分智能体的创建、托管与执行
论文arXiv:其他 AI 安全论文